摘要
本文提出了一种可穿戴软应变传感器，该传感器基于商用导电热塑性聚氨酯 (cTPU)，通过 3D 打印成拉胀软超材料，用于人类活动识别。人工智能的进步推动了柔性可穿戴电子产品的需求不断增长，突显了此类传感器在医疗保健、医疗康复、软机器人以及人机接口方面的重要性。通过对拉胀 cTPU 传感器进行经验测量，完成了其机械和电气特性表征，并与数值模拟结果进行了验证对比。安装在护膝上的单个传感器用于收集四种活动下的步态信号：跑步、行走、站立和坐着。研究了两种分类方法。长短期记忆 (LSTM) 网络直接基于原始时间序列信号进行训练，最佳配置采用相对标准差归一化并设置 50 个隐藏单元，准确率达到 96%。传统机器学习模型，即随机森林和 XGBoost，基于每个运动周期提取的 30 个时域和频域特征进行训练，在五折交叉验证下分别达到 100% 和 97.33% 的准确率。为了增强模型透明度，使用 SHAP 进行可解释性分析，确定功率谱密度和基波频率是两个模型中最具一致影响力的特征，其中动态活动由频率特征驱动，静态活动则通过信号平均振幅加以区分。结果表明，拉胀 cTPU 软应变传感器结合机器学习和可解释人工智能，为可穿戴人类活动识别提供了准确且可解释的解决方案，突显了其在机器人、医疗保健和人机接口应用中的潜力。
